Enter your search text in the box above

Select a result to preview

LESESAAL

LESESAAL

Eine KI-gestützte Kunstbibliothek

Automatisierte Erfassung, Katalogisierung und Veröffentlichung einer Kunstbuch-Sammlung

Projektvision

Der LESESAAL ist eine vollautomatisierte Kunstbibliothek, die den gesamten Workflow von der physischen Buch-Erfassung bis zur öffentlichen Web-Veröffentlichung ohne manuelle Eingriffe abbildet. Kern ist die Integration von KI-Agenten, moderner Bildverarbeitung und einem robusten Tech-Stack.

Systemarchitektur

Überblick

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│   Telegram      │────▶│  OpenClaw       │────▶│  Obsidian       │
│  (Foto Upload)  │     │  Agent System   │     │  (Knowledge)    │
└─────────────────┘     └─────────────────┘     └─────────────────┘
                               │
                               ▼
                    ┌─────────────────┐
                    │  Tech Stack     │
                    │  - GLM LMM      │
                    │  - Perplexity   │
                    │  - Ollama       │
                    └─────────────────┘
                               │
                               ▼
                    ┌─────────────────┐
                    │  Publishing     │
                    │  - GitHub       │
                    │  - Vercel       │
                    │  - lesesaal.de  │
                    └─────────────────┘

Komponenten im Detail

1. Eingabe-Layer: Telegram

Funktion: Mobile Datenerfassung

Vorteile:

2. Agent-Layer: OpenClaw

Funktion: Zentrale Steuerung und Orchestrierung

Hardware:

OpenClaw Features:

Agent-Rollen:

Agent Aufgabe
Buch-Agent Bildanalyse und initiale Metadaten-Extraktion
Recherche-Agent Perplexity-API für bibliografische Verifikation
Katalog-Agent Erstellung von Markdown-Profilen
Index-Agent Aktualisierung aller Index-Dateien
Publishing-Agent Git-Commits und Deployment-Trigger

3. KI-Analyse-Layer

3.1 Bildanalyse: GLM LMM über Ollama

Technologie:

Prozess:

  1. Bild wird vom Cover in Base64 kodiert
  2. Anfrage an GLM mit Prompt:
    "Analysiere dieses Buchcover. Extrahiere: 
- Titel und Untertitel
- Autor(en)
- Verlag
- Erscheinungsjahr
- Visuelle Beschreibung des Covers
- Vermutetes Genre/Thema"
  3. Strukturierte Antwort mit Konfidenz-Scores
  4. Fallback zu menschlicher Verifizierung bei Unsicherheit

Vorteile:

3.2 Tiefenrecherche: Perplexity Sonar

Technologie:

Anwendung:

Beispiel-Query:

"Finde bibliografische Details zu: 
'Alt-Irland: Frühchristliches Irland' von Máire und Liam de Paor.
Verlag, Jahr, ISBN, Seitenzahl, Originaltitel."

Ergebnis:

4. Knowledge-Layer: Obsidian + Digital Garden

Funktion: Zentrale Wissensdatenbank und Web-Publishing

Digital Garden Plugin: Das Obsidian-Plugin Digital Garden ist das Bindeglied zwischen dem Obsidian-Vault und der öffentlichen Website. Es übernimmt zwei zentrale Aufgaben:

  1. Git-Commit & Push: Für jede Markdown-Datei, die mit dg-publish: true markiert ist, steuert Digital Garden den automatisierten Git-Workflow. Sobald ein Buchprofil oder Index aktualisiert wird, committet und pusht das Plugin die Änderungen an das GitHub-Repository.

  2. Umwandlung in eine Website: Digital Garden wandelt die Obsidian-Markdown-Dateien (inklusive Wikilinks, Frontmatter, Embeds und Transklusionen) in eine statische Website um. Bilder, Querverweise und Metadaten werden korrekt aufgelöst und als navigierbare Website auf lesesaal.de veröffentlicht.

Schlüssel-Eigenschaften:

Struktur:

📁 Bibliothek/
├── 📄 BIBLIOTHEK.md              # Master-Katalog
├── 📁 _index/
│   ├── nach-kuenstler.md         # Alphabetischer Index
│   ├── nach-lagerfach.md         # Physische Standorte
│   ├── nach-epoche.md            # Kunsthistorische Epochen
│   ├── nach-verlag.md            # Verlags-Index
│   └── nach-erscheinungsjahr.md  # Chronologischer Index
├── 📁 buecher/
│   ├── de-paor-maire-liam_alt-irland.md
│   ├── matisse-loeuvre-grave.md
│   └── ... (160+ Buchprofile)
└── 📁 covers/
    ├── bk0139-alt-irland-fruehchristliches-irland.jpg
    └── ... (160+ Cover-Bilder)

Frontmatter-Schema:

---
id: "BK-0139"
titel: "Alt-Irland: Frühchristliches Irland"
autor: ["de Paor, Máire", "de Paor, Liam"]
verlag: "Deutscher Bücherbund"
erscheinungsjahr: "1960"
seiten: "263"
lagerfach: "A7"
cover_url: "../../covers/bk0139-alt-irland.jpg"
dg-publish: true
---

Automatisierte Index-Generierung:

5. Publishing-Layer

5.1 GitHub Repository

Struktur:

lesesaal/
├── content/          # Obsidian Vault (Markdown)
├── public/           # Statische Assets (Cover-Bilder)
├── src/              # Publishing-Logik
├── package.json
└── vercel.json

Workflow:

  1. Agent führt git add, git commit, git push aus
  2. Commit-Message mit Batch-Information
  3. Branch: main → auto-deployment
  4. Backup via Git-History

5.2 Vercel Deployment

Konfiguration:

Features:

Setup:

Vollautomatisierter Workflow

Schritt-für-Schritt

1. USER: Fotografiert Buchcover mit Smartphone
   ↓
2. USER: Sendet Foto via Telegram an Agent
   ↓
3. OPENCLAW: Empfängt Bild, speichert in Inbox
   ↓
4. AGENT (Buch): Sendet Bild an GLM LMM (Ollama)
   ↓
5. GLM: Analysiert Cover, extrahiert Metadaten
   ↓
6. AGENT (Recherche): Sendet Query an Perplexity Sonar
   ↓
7. PERPLEXITY: Verifiziert und ergänzt Daten
   ↓
8. AGENT (Katalog): Erstellt Markdown-Profil
   ↓
9. AGENT (Index): Aktualisiert alle 6 Index-Dateien
   ↓
10. AGENT (Publishing): Git commit + push
   ↓
11. GITHUB: Triggert Vercel Build
   ↓
12. VERCEL: Baut und deployt statische Seite
   ↓
13. LEESESAAL.DE: Buch ist live verfügbar

Gesamtdauer: ~30-60 Sekunden pro Buch

Technologie-Stack Zusammenfassung

Layer Technologie Zweck
Input Telegram Mobile Datenerfassung
Orchestration OpenClaw Agent-Management
Hardware Mac mini Pro Lokale Infrastruktur
Bildanalyse GLM LMM + Ollama KI-basierte Cover-Erkennung
Recherche Perplexity Sonar API Bibliografische Verifikation
Knowledge Obsidian Wissensdatenbank
Versioning Git + GitHub Quellcode-Management
Hosting Vercel Edge Deployment
Domain lesesaal.de Öffentliche Präsenz

Aktueller Stand (April 2026)

Bibliotheksbestand:

Features:

Roadmap:

KI-Basierte Bildgenerierung (v1.2)

Ab Version 1.2 generiert der LESESAAL für jedes Buchprofil automatisch ein KI-generiertes Titelbild. Der Prozess nutzt ComfyUI als lokale Bildgenerierungs-Pipeline und das Modell SD XL Turbo.

Workflow:

  1. Aus jedem Buchprofil werden Titel und Beschreibung per Python-Script extrahiert
  2. Daraus wird automatisch ein englischer Bild-Prompt generiert (Kunstbuch-spezifisch)
  3. Der Prompt wird als JSON-Workflow an die lokale ComfyUI API (Port 8000) gesendet
  4. SD XL Turbo generiert mit 8 Steps und CFG 1.5 ein 1024×1024 Bild
  5. Das generierte Bild wird als BK-XXXX_titel-slug_sdxl.png im covers/-Verzeichnis gespeichert
  6. In das Buchprofil wird das Bild zusammen mit dem verwendeten Prompt und dem Generierungsdatum eingefügt

Technische Details:

Philosophie

Der LESESAAL demonstriert, wie KI-Agenten und automatisierter Workflows traditionelle Domänen (Bibliothekswesen) transformieren können. Statt manueller Datenpflege entsteht ein lebendiges, selbst-organisierendes System, das:

Projektstart: 2026
Letztes Update: 2026-04-21
Maintainer: Marcuscha Lippetzschki